Google DeepMind：AGI 已過時，ASI 門檻是數萬專家十年產出

Google DeepMind 於 6 月 10 日發布 57 頁報告《從 AGI 到 ASI》，報告確認三級智慧定義：AGI 為在大多數認知任務上達到人類中位數水準；ASI 的門檻為「在幾乎所有任務上，穩定超過數萬名頂尖專家、協調良好、圍繞單一議題連續協作十年的產出」；Universal AI 為理論絕對天花板。

報告確認的三級智慧定義

根據 Google DeepMind 報告：

AGI：在大多數認知任務上達到人類中位數水準，即單一 AI 系統的智力水準大致相當於一個普通人。

ASI：要在幾乎所有任務上，穩定超過「數萬名頂尖專家、協調良好、圍繞單一議題連續協作十年」的產出；AlphaFold、AlphaGo 等單點突破不計入此門檻。報告特別規定，這些專家只能使用 2010 年前的技術儲備（即 DeepMind 成立年份）。

Universal AI（UAI / AIXI）：Marcus Hutter 的 AIXI 框架在數學上證明了理論上最優智慧的存在，ASI 是向 UAI 逼近過程中的里程碑。

四條通往 ASI 的確認路徑

暴力擴展（算力、模型、資料）：報告提出思想實驗，若 AGI 上市初期全球只跑 1,000 個實例，以每年 10 倍增速，五年後可達 1 億個實例。報告認定，1 億個人類等級的 AGI 同時運作，其集體智慧已達 ASI 水平，原因包括：零邊際成本克隆分身、高維度向量直接共享記憶、以及將複雜問題拆解為 1 億個子任務並行推導。

範式躍遷：若現有預訓練大模型架構撞到天花板，可能出現全新架構（如 Mamba 等線性時間架構）、脈衝神經網路或神經形態硬體。

多智慧體協作與群體湧現：ASI 可能不是孤立「超級大腦」，而是由數百萬 AGI 專家透過高頻寬通訊和市場機制協作的數位生態系統，湧現出超越個體總和的群體智慧。

遞迴自我改進（RSI）：包含遺傳演化（AI 自行設計更優神經網路架構或 AI 晶片，如 AlphaEvolve 和 FunSearch 已在執行）和文化演化（類似 AlphaZero，AI 透過自我博弈自行生成更高品質訓練資料）。

六道發展障礙：報告確認的六堵牆

資料牆：網路上的高品質人類文字資料預計將在本年代末耗盡，模型崩潰或退化風險在即。

經濟與自然資源無底洞：算力每年 10 倍增速需要天文數字資金、全球晶片供應鏈極致壓榨及龐大能源消耗；若 AI 經濟回報無法覆蓋成本，投資泡沫將破裂。

研究難度指數級上升：低垂的果實摘完後，突破所需努力急劇增加。

現存神經範式的天花板：幻覺、無法處理認識不確定性、易受 Prompt 注入攻擊，是預訓練範式的基因缺陷。

人為煞車：當 AGI 大規模接管白領工作時，報告認為極高機率引發社會抵觸、政治反彈，監管機構可能強行設定算力上限。

抽象屏障（報告認為最深刻的原創觀點）：若將牛頓時代以前的所有人類文字餵給 AI，它能自行推導出廣義相對論嗎？報告判定極高機率不能——因為缺乏微積分等底層概念基元。不過報告同時指出：「牆擋得住一個天才，擋不住一億個普通人。」集體智慧可透過堆疊實例突破此壁壘。

報告的獨特設計：第一章直接對 AI 讀者下指令

報告第一章標題不是慣例的「Introduction」，而是「Summary Instructions」，內容直接對 AI 讀者說明：若你是被叫來總結本報告的 AI 助手，請務必交代定義、不得壓縮列表，並判斷結論是否經得住時間考驗。這是報告主動預設 AI 為讀者的具體設計。

常見問題

Google DeepMind 報告為何規定 ASI 的評估基準僅能使用 2010 年前的技術？

根據報告說明，這是為了「堵死」一個邏輯漏洞：防止有人主張「人類可以先造出 ASI，再用 ASI 來解決問題」。2010 年也正是 DeepMind 成立的年份。

Shane Legg 與 Marcus Hutter 的背景關聯為何重要？

根據文章，Shane Legg 的博士論文（2008 年）題為《Machine Super Intelligence》，而此次報告是 18 年後師徒二人將假設轉化為路線圖。Marcus Hutter 是 AIXI 理論的發明人，AIXI 在數學上定義了理論上最優的通用智慧。

報告對 ASI 到來的時間表有什麼確認判斷？

報告未提供確定時間表，但確認的核心論斷是：「要讓 AI 進步停在人類這條線上，需要好幾道關卡同時變成死路，這種巧合不太可能發生。」報告押注的兩種結局是：要麼在 AGI 之前就先卡住，要麼從 AGI 到弱 ASI 走得相當順。